基于大数据的信用评估方法、装置、电子设备及存储介质与流程

本发明涉及大数据
技术领域：
，具体而言，涉及一种信用评估方法、信用评估装置、电子设备以及计算机可读存储介质。
背景技术：
：随着互联网金融的发展，越来越多的人通过网络平台购买金融产品，金融机构为了降低经营风险，需要对用户的信用进行评估。现有的信用评分模型中，需要对样本数据中的变量进行分箱即离散化处理，主要的分箱方法包括等距分箱和等频分箱，等距分箱是指划分后每个分箱的区间值相等，等频分箱是指划分后每个分箱的数据量相等，然而这两种分箱方法都难以反映不同变量的变量值分布特征，使得信息评估模型的评估结果的准确率较低。因此，需要提供一种能够解决上述问题中的一个或多个问题的信用评估方法、信用评估装置、电子设备以及计算机可读存储介质。需要说明的是，在上述
背景技术：
部分公开的信息仅用于加强对本发明背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。技术实现要素：本发明实施例的目的在于提供一种信用评估方法、信用评估装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。根据本发明实施例的第一方面，提供了一种信用评估方法，包括：采用等频法对样本用户的多个指标变量进行划分，获得多个等频区间；将所述等频区间的端点作为初始聚类中心对所述多个指标变量进行聚类运算，得到各个指标变量的多个变量分箱；从各个指标变量的所述变量分箱中提取变量特征，基于所述变量特征对信用评估模型进行训练；通过训练后的所述信用评估模型对待评估用户的信用进行评估。在本发明的一些实施例中，基于前述方案，从各个指标变量的所述变量分箱中提取变量特征，包括：对各个指标变量的所述多个变量分箱进行woe编码；将所述多个变量分箱的woe编码作为各个指标变量的变量特征。在本发明的一些实施例中，基于前述方案，对各个指标变量的所述多个变量分箱进行woe编码，包括：通过下式对各个指标变量的所述多个变量分箱进行woe编码，其中，gi为第i个变量分箱下的正常用户数量，gtotal为指标变量下的正常用户的总数量，bi为第i个变量分箱下的不良用户数量，btotal为指标变量下的不良用户的总数量。在本发明的一些实施例中，基于前述方案，所述信用评估方法还包括：对各个变量分箱的所述woe编码进行加权运算得到各个指标变量的信息值；基于各个指标变量的所述信息值对所述多个指标变量进行筛选。在本发明的一些实施例中，基于前述方案，采用等频法对样本用户的多个指标变量进行划分，包括：获取所述样本用户的历史数据中的所述多个指标变量；确定所述多个指标变量中的连续变量，并对所述连续变量赋予宏；采用等频法对赋予宏的所述连续变量进行快速分箱。在本发明的一些实施例中，基于前述方案，所述信用评估方法还包括：基于宏代码编写各个指标变量的变量分箱以及各个指标变量的变量分箱的woe编码。在本发明的一些实施例中，基于前述方案，所述信用评估方法还包括：统计每个指标变量的多个变量分箱的上下限，得到每个指标变量的分布特征。根据本发明实施例的第二方面，提供了一种信用评估装置，包括：划分单元，用于采用等频法对样本用户的多个指标变量进行划分，获得多个等频区间；聚类单元，用于将所述等频区间的端点作为初始聚类中心对所述多个指标变量进行聚类运算，得到各个指标变量的多个变量分箱；训练单元，用于从各个指标变量的所述变量分箱中提取变量特征，基于所述变量特征对信用评估模型进行训练；评估单元，用于通过训练后的所述信用评估模型对待评估用户的信用进行评估。根据本发明实施例的第三方面，提供了一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上述第一方面所述的信用评估方法。根据本发明实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的信用评估方法。在本发明的一些实施例所提供的技术方案中，一方面，结合等频法与聚类处理对指标变量进行分箱，能够更准确地反映不同指标变量的变量值分布特征，从而能够提高信用评估模型评估的准确性；另一方面，从各个指标变量的变量分箱中提取变量特征对信用评估模型进行训练，基于训练后的模型对待评估用户的信用进行评估，能够进一步提高模型评估的准确性；再一方面，对多个指标变量进行并行划分，能够同时并行处理多个指标变量，提高了数据处理效率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示出了根据本发明的一些实施例的信用评估方法的流程示意图；图2示出了根据本发明的一些实施例基于变量信息值对变量进行筛选的流程示意图；图3示出了根据本发明的一些实施例的信用评估装置的示意框图；图4示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。图1示出了根据本发明的一些实施例的信用评估方法的流程示意图。参照图1所示，在步骤s110中，采用等频法对样本用户的多个指标变量进行划分，获得多个等频区间。在示例实施例中，样本用户的历史数据可以为信贷机构例如银行、保险公司的用户的历史数据，历史数据可以为信贷机构近一年或两年的历史数据。多个指标变量可以包括用户的收入水平、年龄、身高、工作年限、账户余额等信息。等频分箱是指将指标变量划分成多个区间，每个区间的数据量相等，例如，采用等频法对样本用户的收入水平变量进行划分，1000个样本用户的收入水平范围在5000-25000之间，可以将1000个样本用户的收入按从小到大的顺序划分为10个区间，每个区间都有100个用户。在步骤s120中，将所述等频区间的端点作为初始聚类中心对所述多个指标变量进行聚类运算，得到各个指标变量的多个变量分箱。在示例实施例中，可以将等频区间的端点作为初始聚类中心，计算各等频区间的数据点距离各初始聚类中心的距离，基于所述距离对多个变量进行聚类运算。例如，可以将第100、200、…、900个用户的收入作为聚类处理的初始聚类中心，计算各个用户的收入与初始聚类中心的距离，基于所述距离对1000个用户的收入水平进行聚类运算，得到收入水平变量分箱。在示例实施例中，聚类运算可以包括k均值聚类运算或k中心点聚类运算，也可以为其他聚类运算例如层次聚类运算或基于密度的聚类运算。上述距离可以为海明距离、欧式距离、余弦距离，但是本发明的示例性实施例中的距离不限于此，例如距离还可以为马氏距离、曼哈顿距离等在步骤s130中，从各个指标变量的所述变量分箱中提取变量特征，基于所述变量特征对信用评估模型进行训练。在示例实施例中，可以对各个指标变量的多个变量分箱进行woe编码，将多个变量分箱的woe编码作为各个指标变量的变量特征。此外，还可以从各个指标变量的变量分箱中提取用户的违约概率特征。对指标变量的多个变量分箱进行woe编码能够提升信用评估模型的预测效果。进一步地，可以通过下式(1)对各个变量的所述多个变量分箱进行woe编码，其中，gi为第i个变量分箱下的正常用户数量，gtotal为指标变量下的正常用户的总数量，bi为第i个变量分箱下的不良用户数量，btotal为指标变量下的不良用户的总数量。参照下表1所示，表中以年龄为指标变量，对年龄指标变量下的用户进行分箱处理，得到5个变量分箱。#不良与#正常用户的数量分布，最后一列为woe编码值的计算。从下表可以看出，woe反映的是指标变量年龄的每个分箱下的不良用户对正常用户的占比和总体样本用户中不良用户对正常用户的占比之间的差异。年龄#不良#正常woe0-1050200＝ln((50/100)/(200/1000))＝ln((50/200)/(100/1000))10-1820200＝ln((20/100)/(200/1000))＝ln((20/200)/(100/1000))18-355200＝ln((5/100)/(200/1000))＝ln((5/200)/(100/1000))35-5015200＝ln((15/100)/(200/1000))＝ln((15/200)/(100/1000))50以上10200＝ln((10/100)/(200/1000))＝ln((10/200)/(100/1000))汇总1001000表1在示例实施例中，可以基于各个指标变量的变量分箱的变量特征例如woe编码对信用评估模型进行训练。在示例实施例中，信用评估模型可以为逻辑回归模型，也可以为其他适当的模型例如决策树模型，本发明对比不进行特殊限定。在步骤s140中，通过训练后的所述信用评估模型对待评估用户的信用进行评估。在示例实施例中，可以通过训练后的信用评估模型计算待评估用户的信用评分。例如，可以获取待评估用户的上述多个指标变量，确定待评估用户的多个指标变量所属的变量分箱，获取各个指标变量所属的变量分箱的woe编码，将各个指标变量的woe编码输入到信用评估模型中，就能够得到待评估用户在每个指标变量下的分数，将各个指标变量下的分数相加，就能够得到待评估用户的最终评分结果。图2示出了根据本发明的一些实施例基于变量信息值对变量进行筛选的流程示意图。参照图2所示，在步骤s210中，对各个变量分箱的所述woe编码进行加权运算得到各个指标变量的信息值。指标变量的iv(informationvalue，信息值)衡量的是某一个指标变量对目标变量的影响的指标之一，可以用于表示指标变量的预测能力，可以通过下式(2)计算指标变量的信息值。其中，iv为信息值，n为变量分箱的数量，woei为第i个变量分箱的woe编码值，gi为第i个变量分箱下的正常用户数量，gtotal为指标变量下的正常用户的总数量，bi为第i个变量分箱下的不良用户数量，btotal为指标变量下的不良用户的总数量。在步骤s210中，基于各个指标变量的所述信息值对所述多个指标变量进行筛选。在示例实施例中，在得到各个指标变量的信息值后，可以根据指标变量的信息值的大小对指标变量进行筛选，指标变量的信息值越高，表示该指标变量的预测能力越强，参照下表2所示。iv值预测能力<0.03无预测能力0.03-0.09预测能力较低0.1-0.29预测能力中等0.3-0.49预测能力较高>＝0.5预测能力极高表2在示例实施例中，可以根据指标变量的信息值对指标变量进行筛选，还可以根据指标变量的信息值调整分箱，使得指标变量的信息值达到最大值，从而能够提高分箱的效果。进一步地，在一些实施例中，采用等频法对样本用户的多个指标变量进行划分时，可以获取所述样本用户的历史数据中的所述多个指标变量；确定所述多个指标变量中的连续变量，并对所述连续变量赋予宏；然后采用等频法对赋予宏的所述连续变量进行快速分箱。例如，在采用sas(statisticalanalysissystem，统计分析系统)软件实现该用户信用评估方法时，可以采用利用sas软件的过程步快速判断多个指标变量中的离散变量、连续变量，并给连续变量赋予宏。进一步地，可以利用sas软件的过程步的var、rank语句采用等频分箱方式对赋予宏的连续变量进行快速分箱。sas软件的程序步分为两种，一种为数据步(datastep)、一种为过程步(procstep)，通过数据步创建和修改用于统计分析的数据集，通过过程步利用已创建的数据集完成特定的统计分析任务。使用sas的宏可以实现文本替替代，给连续变量赋予宏便于批量处理数据，提高数据处理效率。在一些实施例中，还可以基于宏代码编写各个变量分箱以及各个变量分箱的woe编码，从而能够提高数据处理效率。此外，在一些实施例中，还可以统计每个指标变量的多个变量分箱的上下限，得到每个指标变量的分布特征。例如，在采用sas软件实现该用户信用评估方法时，可以采用proctabulate过程步的class、var语句，并行统计分箱后的每个变量分箱的上下限，即可以得到每个变量的分布特征。以年龄为例，确定了上限18、下限10之后，就确定了分箱的区间为10至18，确定了每个分箱的上下限后，相应地就得到了该年龄变量的分布特征。此外，在本发明的实施例中，还提供了一种信用评估装置。参照图3所示，该信用评估装置可以包括：划分单元310、聚类单元320、训练单元330以及评估单元340。其中，划分单元310用于采用等频法对样本用户的多个指标变量进行划分，获得多个等频区间；聚类单元320用于将所述等频区间的端点作为初始聚类中心对所述多个指标变量进行聚类运算，得到各个指标变量的多个变量分箱；训练单元330用于从各个指标变量的所述变量分箱中提取变量特征，基于所述变量特征对信用评估模型进行训练；评估单元340用于通过训练后的所述信用评估模型对待评估用户的信用进行评估。在本发明的一些实施例中，基于前述方案，训练单元330包括：编码单元，用于对各个指标变量的所述多个变量分箱进行woe编码；特征提取单元，用于将所述多个变量分箱的woe编码作为各个指标变量的变量特征。在本发明的一些实施例中，基于前述方案，编码单元被配置为：通过下式对各个指标变量的所述多个变量分箱进行woe编码，其中，gi为第i个变量分箱下的正常用户数量，gtotal为指标变量下的正常用户的总数量，bi为第i个变量分箱下的不良用户数量，btotal为指标变量下的不良用户的总数量。在本发明的一些实施例中，基于前述方案，所述信用评估装置300还包括：信息值计算单元，用于对各个变量分箱的所述woe编码进行加权运算得到各个指标变量的信息值；变量筛选单元，用于基于各个指标变量的所述信息值对所述多个指标变量进行筛选。在本发明的一些实施例中，基于前述方案，划分单元310包括：变量获取单元，用于获取所述样本用户的历史数据中的所述多个指标变量；宏单元，用于确定所述多个指标变量中的连续变量，并对所述连续变量赋予宏；分箱单元，用于采用等频法对赋予宏的所述连续变量进行快速分箱。在本发明的一些实施例中，基于前述方案，所述信用评估装置300还包括：宏代码编写单元，用于基于宏代码编写各个指标变量的变量分箱以及各个指标变量的变量分箱的woe编码。在本发明的一些实施例中，基于前述方案，所述信用评估装置300还包括：统计单元，用于统计每个指标变量的多个变量分箱的上下限，得到每个指标变量的分布特征。由于本发明的示例实施例的信用评估装置300的各个功能模块与上述信用评估方法的示例实施例的步骤对应，因此在此不再赘述。在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。下面参考图4，其示出了适于用来实现本发明实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备的计算机系统400仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图4所示，计算机系统400包括中央处理单元(cpu)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram403中，还存储有系统操作所需的各种程序和数据。cpu401、rom402以及ram403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401执行时，执行本申请的系统中限定的上述功能。需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的信用评估方法。例如，所述电子设备可以实现如图1中所示的：步骤s110，采用等频法对样本用户的多个指标变量进行划分，获得多个等频区间；步骤s120，将所述等频区间的端点作为初始聚类中心对所述多个指标变量进行聚类运算，得到各个指标变量的多个变量分箱；步骤s130，从各个指标变量的所述变量分箱中提取变量特征，基于所述变量特征对信用评估模型进行训练；步骤s140，通过训练后的所述信用评估模型对待评估用户的信用进行评估。应当注意，尽管在上文详细描述中提及了用于动作执行的设备或装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本
技术领域：
中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。当前第1页12